作家：雷红、汪顺玉（西安异邦语大学异邦言语学及应用言语学操办中心）小姐骚

风流少妇

　　豪情分析指使用当然言语处理本事系统检测、提真金不怕火、分析文本中的作风、态度、不雅点和看法，是语义分析、东谈主工智能、分解科学等领域引人注目的操办地方。插足21世纪以来，外交媒体繁荣发展，公众在各外交媒体平台发表意见、进行调换，无数富含豪情信息的数据促进了豪情分析的出身和发展。豪情分析常常被等同于豪情分类，即凭证文本中的言语特征对文本进行豪情分类。具体而言，豪情分类是对文本中的豪情极性（积极、绝望）和强度进行评价，也不错对各式具体豪情进行多维度分析，如震怒、本心、悲哀等。广义的豪情分析任务，包括主不雅性分类、豪情分类、方面与实体提真金不怕火、不雅点摘录、垃圾讨论检测等。豪情分析主要在三个线索进行：文档级、句子级和方面级。文档级豪情分析旨在详情通盘这个词文档抒发的是积极的照旧绝望的豪情。句子级豪情分析则愈加紧密，是对文档中每个句子抒发的豪情进行分类。基于豪情诡计而不是言语单元（文档、段落、句子等）的豪情分析，被称作基于方面或特征的豪情分析，豪情诡计不错是实体或其某方面的特征、事件、话题等。

　　主要秩序

　　豪情分析的传统秩序主要有两类：机器学习法和豪情辞书道。机器学习法又分为有监督学习法、无监督学习法、半监督学习法。它们之间的区别在于，是否基于无数有标注的数据持重模子。在有监督学习法中，学习进程基于有标注的持重数据集进行，试图通过将输入映射到输出，学习输入和输出联系函数，用于推断新数据集的豪情分类。其中，常用的豪情分类器有朴素贝叶斯、支捏向量机、最大熵等。然则，这些分类器只可通过有标注的数据集来进行持重，而这么的数据集常常需要有警戒的标注者进行东谈主工标注，耗时耗力，不易得到。无监督学习法不错料理这个问题，它借助种子词等启发式信息，通过聚类在未分类的数据聚拢找到潜在的结构，不需要东谈主工参与。常用的聚类秩序有分层聚类、区分聚类等。此外，也不错罗致半监督学习法，使用少许有标注的数据和无数无标注的数据持重分类器。

　　基于豪情辞书的分析法，又称豪情辞书道，是指基于豪情辞书将文本中的非结构化特征提真金不怕火出来的进程。豪情辞书是包含豪情词和短语的词表，这些词被编码为积极、绝望或中立，以及相应的强度水平。该秩序的基本旨趣是，领先对诡计文本进行分句、分词，再与辞书中的词项进行匹配，然后凭证文本中豪情词的数目和权重预料出该文本的豪情分数。豪情辞书不错通过东谈主工标注、基于辞书和基于语料库的秩序来构建。通过东谈主工标注构建豪情词表，常常费时忙绿。目下，该秩序主要用于查抄自动标注法的准确度。基于辞书构建豪情辞书时，会先讹诈现存的辞书资源，如WordNet，提真金不怕火一组豪情词，在辞书中检索它们的同义词和反义词，并添加到这组词中，然后进行迭代，直到不再有新的豪情词出现，经过东谈主工查抄后，这组词就不错推广为豪情辞书。基于语料库构建豪情辞书时，主淌若使用一组已标注的豪情词来识别语料库中新的豪情词，依据词汇共现原则，构建豪情词表。目下，得到广泛应用的豪情辞书有许多，如SentiWordNet、MPQA Subjectivity Lexicon、NTUSD等。有些辞书是通用的，而有些则针对特定领域。在具体操办中，要凭证操办领域聘任稳当的豪情辞书，使用失当会导致无法识别某些特定领域的文本特征，镌汰分析结束的准确度。

　　连年来，基于深度学习的句子表征、文档表征、学问表征等本事小姐骚，引起了豪情分析领域的关注。比如，基于神经汇聚的词镶嵌本事，粗略在向量空间中对词汇进行表征，对语义和句法特征同期进行编码，从而粗略灵验弥补传统秩序（如词袋、TFIDF等词频表征决策）的不及。再比如，移动学习本事不错讹诈已有领域预持重好的模子，对诡计任务有关的参数进行微调，将其推广至新的数据集和新的领域，从而从简无数东谈主工标注的时候和元气心灵，是跨领域豪情分类的灵验秩序之一。

　　具体应用

　　近20年来，外交媒体的普及极大促进了参与性文化的发展。从中了解到的群体和公众豪情，是各式社会决策的进击参考依据。消耗者在购买家具和做事前，但愿了解其他消耗者对家具和做事的看法；而企业也但愿了解消耗者或公众对家具和做事的意见。公众在外交媒体发表对政府战略和举措的看法，各级战略决策者不错据此详情公众的意见，应酬快速变化的社会、经济和政事事态。公众意见已越发成为东谈主文社会科学领域的中枢议题，而大数据时间的操办者也有待冲破传统，应用当然言语处理秩序灵验推动学科越过。目下，豪情分析已在东谈主文社会科学的诸多领域初见端倪。

　　在经济金融领域，用于豪情分析的文本主要来自公司年度论说、公司发布会、新闻报谈、深度讨论、分析论说、外交媒体帖文等。豪情分析系统不错讹诈这些不同起首的资讯，找到有关上市公司的数据信息，进行豪情分析并汇总要素数，从而预测公司股票走势。此外，豪情分析还可用于预测公司将来的事迹。已有操办发现，年度论说中风险心思的增多与将来收益的镌汰显赫有关，公司收益新闻发布中的相配积极口吻也与将来收益欠佳有关。

　　在料理领域，用于豪情分析的文本主要来私用户的在线讨论。无数操办关注消耗者在线讨论和家具销量之间的联系，提倡企业使用灵验的汇聚数据监测和分析本事检测在线评价中的豪情，尤其是负面心思，以幸免影响家具销售。豪情分析当作一种大数据分析本事，被广泛应用于诸多行业的家具和做事料理中。在旅游业中，栈房的在线讨论对潜在客户的栈房住宿决策起到关节作用，在餐饮和航空领域亦是如斯。在医疗机构中，豪情分析常用于操办病东谈主对疾病、医疗做事、药品等的意见和感受。在文娱业中，豪情分析主要关注对电影的评价，包括演员、导演、音乐等具体方面，了解讨论的总体趋势可灵验预测电影的票房发扬。

　　在政事领域，用于豪情分析的数据包括外交媒体帖文、政事东谈主物的采访和演讲、新闻报谈等。豪情分析被广泛应用于了解公众对某个政事问题或政事东谈主物的看法，从而预测执行寰宇政事事件的走向，预测候选东谈主在选举中的受接待进度，继而预判选举结束。更进击的是，跟着外交媒体成为普通众人发表意见的流行渠谈，监测外交媒体，实时发现公众的心思和蔼然，不错成为政府洞悉民心和制定战略的依据。

　　将来瞻望

　　在往日的20年里，豪情分析在东谈主文社会科学领域的影响力握住栽植，除了上述主要应用领域外，其身影也继续出当今文体作品赏析、社会联系分析、学术写稿等越来越多的操办中。两者的交融具有普遍的发展空间，是值得系统探究的议题，以下两个方面的奋力至关进击。

　　第一，当然言语处理本事有待捏续革命和发展，为大数据文天职析提供有劲撑捏。现存的豪情分类秩序准确率还不够高，算法无法透顶处理豪情词及对其浮浅解析除外的复杂言语自得，如复指与共指消解、语义消歧等问题。而触及豪情的问题时常复杂万般，因为东谈主们似乎能用无穷多的神气来抒发积极和绝望豪情。比如，朝笑是常见的日常抒发，而其复杂性和暗昧性使得朝笑识别极具挑战性。再比如，事实性的表述也可能蕴含豪情，而目下的豪情分析秩序常常针对的是主不雅述说，从而残暴了这种客不雅述说。此外，目下大多数豪情分析本事的配置主要针对英文数据。由于不同言语的各异，对英文数据考证可行的本事不一定适用于其他语种数据。因此，构建用于豪情分析的多语语料库至关进击。

　　第二，豪情操办是一个跨学科问题，将来不错在多个领域（尤其是预料机科学与本事和东谈主文社会科学）的操办者之间开展配合。这么不仅能推动豪情分析本事的革命和发展，也会对不同领域的操办乃至通盘这个词社会作出紧要孝敬。一方面，面前许多东谈主文社会科学领域操办者，尤其是言语学操办者，仍是意志到外交媒体分析和大数据豪情分析的后劲。豪情是当然言语语义的一个进击方面，从当然言语处理的角度来发展语义学表面，不错灵验补充和推动传统言语学操办。另一方面，当然言语处理本事的配置也需要东谈主文社会科学的视角（如心理学家、社会学家对于豪情意见的阐释，言语学家对于言语结构的表面），为基于算法的豪情和语义分析提供必要的补充。

　　（本文系国度社科基金重心名堂“基于文本挖掘的中国政事话语海听说播操办”（18AYY006）阶段性结束）

　　　　小姐骚